お客様の声VoCを活用したAIと人間との協調を前提としたチームが変えるアジャイル型CXの未来

1. はじめに

Deloitte Analyticsの深い業界知識と領域知識は、AIを戦略的なアプローチとして活用し、データ分析を活用し実用的な洞察を得ることで、クライアントのビジネスをよりスマートに、よりスムーズに、より効率的にするためのアドバイザリーサービスを可能としています。今回、私たちDeloitte Analyticsが実施したプロジェクトでは、収集したお客様の声（VoC＝Voice of Customers）を定性的なテキストデータとし、高度な自然言語処理技術を用いて解析することで、本質的な顧客ニーズに素早くリーチし、日々のサービス改善に活かすべくAIとの 「協調（with）」により革新的な成果を得ることが出来ました。

2. クライアントの課題

ある企業では、様々なチャネル経由で「NPSスコア^※1」とともにアンケートにより「お客様の声（VoC）」を収集し続けており、継続したサービス向上への取り組みが実施されています。この取り組みにより顧客との各タッチポイントにおける顧客満足度や顧客の声をサービス向上に繋げることができているかどうかを社内で把握・評価しているものの、組織内部からはそれらのデータが十分に活用されていないという声があがっていました。

そこで、より高度なアナリティクスを活用し、人間の力だけでは得ることのできないAIの洞察によるデータの集計・分析業務の効率化が望まれていました。その状況を踏まえ、Deloitte Analyticsのメンバーとディスカッションを重ねた結果、更なる顧客本位の業務運営に向けて、苦情の発生原因や潜在的な顧客ニーズの分析により、これら分析・業務報告の効率化が必要であるということが判明しました。結果的に、「お客様の声 （VoC）」等の原因分析において、従来の満足度分析業務の高度化を通して、Deloitte Analyticsはより多角的かつ深度のある分析の実現に向けたアドバイザリーを提供しました。

3. 提供したソリューション

従来、顧客から頂いたアンケートに書かれたコメントのトピック分類は目視で実施されていました。そのため Deloitte Analyticsは、総計数万件（数千件／月）という目視での作業量の多さなどから、人的コストや精度および粒度に問題があると判断、機械学習によって分類コストを低減、精度の向上を図るだけでなく、作業者が捉えられなかった「トピック」を抽出しました。さらに、トピック分類およびそれに関連する単語／複合語や文節は、近年発表された新しい手法を導入することで高精度に分類・抽出することに成功しました。

さらにセンチメント分析（アンケート内容の感情分析）にあたっては、アノテーションの分類結果を人間がチェックしたのち、最新の機械学習アルゴリズム（深層学習）を用いて機械学習モデルを構築しました。日本語は多様な言葉が使用されている言語という特徴を持っています。また、米国務省機関である外務職員局において世界の中で最も難しい言語「Category 5+」に唯一分類されており、かつ、世界でもハイコンテクスト^※2な言語として知られています。そのため、本モデルを作成するにあたり、アノテーションのみならず学習モデルの精度を向上させる施策も困難を極める作業となりました。

最後に、契約顧客のうち、満足度が低い顧客からロイヤリティの高い顧客に転化すると期待できる顧客のセグメントを上記の分析に基づいてペルソナとして定義、それらペルソナの背景から施策を立案・整理し、各ペルソナの顧客数に応じて優先度をつけることで、より少ないコストで成果を最大化できる施策一覧を作成しました。

4. 成果

• ある時期のT-NPS^※3の変動に着目し、分析の結果、お客様の嗜好がシフトしたことを把握
• 回答者の NPSを1段階上に引き上げる方策を具体的に提案
• NPSスコアとフリーテキスト（アンケート）の2つを対象とする分析に、センチメント分析（アンケート内容の感情分析）を追加する事で、センチメントとNPSが相容れない顧客グループが存在する点に着目
• 詳細な顧客属性分析から、NPSを即効的にPrompterやPassive^※4に転換できるターゲット顧客像（ペルソナ）を定義
  

5. まとめ

デジタルトランスフォーメーション（DX）で「顧客価値の向上」を推進する企業が増える中、昨今、急速に発展を遂げている自然言語処理技術により、収集したお客様の声（VoC）を定性的なテキストデータとして、カスタマーエクスペリエンス（CX）の向上に取り組む企業が増えています。VoCといえば、サービスへの要望や潜在的な顧客のニーズが把握できる内容を期待しますが、そうした期待に応える内容は、実際には多くありません。そのような背景の中で、膨大な顧客接点のデータやVoCを分析し、一人ひとりの状態やニーズの把握を人間の手を介した作業で実施することは時間的制約からも現実的ではありませんが、人間が実施するには非効率ではあっても、AIにとっては得意領域です。AIの支援で、人のオペレーションはこれまでにない価値を創出することが出来るのです。しかし、人間の認知に迫る数々の記録を出している最新のディープラーニングを駆使した自然言語処理技術を活用したとしても、依然としてAIは「人間的洞察」が必要とされる”潜在的な顧客満足”を想像することはとても難しいのです。そのため、これからも人間とAIがそれぞれの長所を補い合うことで、両者が協調を前提とするチームとしてVoCの効果的な活用に取り組むことがデジタルトランスフォメーション（DX）の成功要素のひとつと言えるでしょう。

※1 NPSスコア：
（本例では）顧客に対して行っているアンケートの回答項目のうち、「手続きを受けて、どの程度、友人、同僚または家族にお勧めしたいと思いますか？」という質問に対してお客様が0～10のスコアをつけた

※2 ハイコンテクスト：
コミュニケーションや意思疎通を図るときに、前提となる文脈（言語や価値観、考え方など）が非常に近い状態のこと。民族性、経済力、文化度などが近い人が集まっている状態を指す。

※3 T-NPS（Transactional-Net Promoter Score）：
サービス内の重要な顧客接点ごとに評価する方法であり、「お客様が店舗・接客スタッフにどの程度の愛着や信頼を有しているか」を数値化し、顧客と企業の接点となる顧客体験を評価・改善する際の指標として用いられます。顧客接点ごとの改善点を明確にすることを目的とし、PDCA サイクルを効果的にまわしていくための指標としても活用されます。

※4 Passive（中立者）：
NPSスコアを、7点から8点としたお客様。

執筆者プロフィール

毛利　研 （もうり　けん）
有限責任監査法人トーマツ　デロイトアナリティクス
マネジャー

国内トップシェアの事業サービス企業にて、機械学習および自然言語処理に関する研究開発を経て現職。人工知能関連の実装能力、業務経験が豊富だけでなく、Bitcoin/Blockchainを含む最新技術に関する調査・戦略立案・投資実行の経験も有する。大手メーカー時代は、防衛事業関連部署にて各種解析サービスを提供する情報システムの開発や事業戦略立案に従事。米国拠点にて、国防省・諜報機関における先端技術動向調査と事業戦略立案なども経験を有する。

根本　優花 （ねもと　ゆか）
有限責任監査法人トーマツ　デロイトアナリティクス

情報科学専攻にて修士課程を修了後、有限責任監査法人トーマツ入社。金融機関を中心に、リスク管理に係るデータマネジメント／高度化支援やアナリティクス組織の立ち上げから高度化に繋がるデータ分析活動の推進支援に従事。また、自然言語処理を用いたコンサルティング業務に参画するとともに、自然言語に係る機械学習・深層学習といった分析技術を活用したプロダクト開発にも関与。得意分野は、カーネル多変量解析や因果推論。